一、绪论 1. 图像处理分类： 低级处理（输入输出都是图像，如降噪、对比度增强、锐化） 中级处理（输入图像输出特征，如分割、分类、识别） 高级处理（远端位置识别、视觉认知） 2. 数字图像处理诞生 可追溯至 20 世纪 60 年代，得益于机器使用和空间项目开发 计算机断层成像 CT 和 X 射线是数 阅读全文
【七、循环神经⽹络】 1. 序列模型 序列模型估计方法有自回归模型和隐变量自回归模型。在统计学中，前者（超出已知观测值的预测）称为外推（extrapolation），后者（在现有观测值之间进⾏估计）称为内插（interpolation）。内插和外推在难度上有很⼤差别，因此，在训练时要尊重数据的时间顺 阅读全文
【六、现代卷积神经⽹络】 1. 深度卷积神经⽹络（AlexNet） 在 2012 年以前，神经⽹络往往被其他机器学习⽅法超越，如支持向量机（support vector machines）。而 AlexNet 在 2012 年 ImageNet 挑战赛中取得了轰动⼀时的成绩，在⽹络的最底层，模型学习 阅读全文
【五、卷积神经网络】笔记 1. 从全连接层到卷积 特点（沃尔多检测器）： ① 平移不变性：不管出现在图像中的哪个位置，神经⽹络的底层应对相同图像区域做出类似的响应，因此能够以相同的⽅式处理局部图像 ② 局部性：神经⽹络的底层只探索输⼊图像的局部区域，这些局部特征可以融会贯通，在整个图像级别上做出预测 阅读全文
【四、深度学习计算】笔记 1. 层和块 速度极快的 GPU 可能要等到 CPU 运⾏ Python 代码后才能运⾏另⼀个作业，提⾼ Python 速度的最好⽅法是完全避免使⽤ Python。Gluon 允许混合式编程（hybridization），Python 解释器在第⼀次调⽤块时执⾏它，Gluo 阅读全文
【三、多层感知机】笔记 1. 多层感知机： 合并隐藏层：通过合并⼀个或多个隐藏层来克服线性模型的限制 多层感知机（multilayer perceptron）：MLP，在输出层和输⼊层之间增加⼀个或多个全连接的隐藏层，并通过激活函数转换隐藏层的输出。最简单是将许多全连接层堆叠，每⼀层都输出到上⾯的层 阅读全文
【二、线性神经网络】笔记 1. 线性回归： 目标函数：寻找模型的权重 w 和偏置 b： 损失函数：一般选择非负数，数值越小表⽰损失越小，回归问题最常⽤平方误差函数 解析解：预测问题是最小化 ||y − Xw||^2 梯度下降：通过不断在降低损失⽅向上更新参数来降低误差。 小批量随机梯度下降：⾸先随机 阅读全文
【一、前言】笔记 1. 监督学习： 回归、分类、标记问题、搜索、推荐算法、序列学习 2. 无监督学习： 聚类问题（clustering）：没有标签的情况下给数据分类 主成分分析（principal component analysis）：少量参数准确捕捉数据的线性相关属性 因果关系（causalit 阅读全文
浙公网安备 33010602011771号